对于 Sullivan & Cromwell 的律师而言,审阅协议草案包括将协议条款与相关先例进行权衡,采用基于律所经验的方法,并时刻关注客户的优先事项。律所的 Agreement Analyzer 将这些输入整合到一个统一的审阅工作流中,生成分析和建议修改,供律师审查和调整。
“我认为 AI 将……让律师能够专注于其判断最为重要的领域……从而让他们能够集中精力处理对客户最为关键的问题。”
——John Savva,Sullivan & Cromwell 合伙人
将律所专业知识引入协议审阅
尽管 AI 最初主要用于重复性的行政任务,例如起草邮件回复或查看日历,但 Savva 发现,近期 AI 模型分析能力的提升已经改变了其使用方式。“现在,我们看到在具有挑战性的法律任务中有更多应用机会,例如对复杂协议进行深度分析,”他说。
Agreement Analyzer 帮助律师跨先例比较对应条款,并追踪这些条款之间的相互作用。
Sullivan & Cromwell 合伙人 John Savva 使用 Codex 开发了 Agreement Analyzer,作为单用户概念验证。随后他与 OpenAI 合作,提升输出质量,通过并行处理提高效率,并将该应用转变为一款可供多名律师同时使用的工具。
Agreement Analyzer 整合了 Sullivan & Cromwell 的工作流、精选的律所先例、谈判手册以及 ChatGPT Enterprise。律师将协议草案输入该工具后,可以添加自己选定的先例,以及包含律所和客户立场的手册,还有关于市场惯例的信息。该工具从不同视角执行多轮审阅,综合各项输出,帮助识别潜在问题,并返回一份备忘录和建议的修订痕迹,供律师审查、调整或拒绝。
“这不是要取代律师。而是为律师提供一种工具,让他们能够进行更深入的分析,找到更多依据和先例,从而为客户提供更高质量的产品。”
——John Savva,Sullivan & Cromwell 合伙人
让来源和不确定性可见
Savva 强调,让 AI 工具的输出值得信赖的关键在于完全透明。“如果 AI 工具对市场惯例做出某种论断,你需要能够看到该信息的来源,”他说。
Savva 描述了一种应用:由智能体得出结论,其他智能体在对抗性流程中对这些结论提出质疑。在一个潜在用例中,专业化智能体并行审查协议,检查市场偏差与风险分配、条款之间的相互作用,以及可能影响诉讼的歧义等内容。结果会区分经其他智能体质疑后仍成立的发现、被驳回的发现,以及保留但附带限定条件的未核实问题。律师可以查看这些问题、其支撑解释和相关先例,然后决定哪些发现值得在最终修订稿中做出改动。
下一步
Sullivan & Cromwell 正在继续探索围绕特定法律任务打造的工具。对 Savva 而言,更强的分析能力为支持更多研究和写作流程创造了机会。
Savva 指出 GPT‑6 Astra 在推理能力上的进步:“Astra 确实在可用推理的质量方面推动了进展,而这在过去一直是瓶颈,”他说。